مشخصات پژوهش

عنوان	کارایی مدلهای شبکههای عصبی مصنوعی و عصبی - موجکی در پیشبینی نوسانات سطح آب زیرزمینی (مطالعه موردی حوضه الشتر)
نوع پژوهش	مقاله ارائه شده کنفرانسی
کلیدواژه‌ها	الشتر، پیشبینی سطح آب زیرزمینی، شبکه عصبی، شبکهی عصبی موجکی
چکیده	بیشتر سریهای زمانی هیدرولوژیکی نظیر تغییرات سطح آب زیرزمینی همواره شامل فرایندهای نامانا و پیچیده هستند که با استفاده از مدلهای خطی متداول و کلاسیک به خوبی قابل توصیف و مدلسازی نیستند. بنابر این به منظور مدلسازی این پدیدههای هیدرولوژیکی لازم است از مدلهای غیر خطی استفاده نمود . هدف از تحقیق حاضر، تخمین سطح آب زیرزمینی حوضه الشتر با استفاده از مدلهای تلفیقی شبکهی عصبی موجک - میباشد . بدین منظور سطح آب زیرزمینی، دما و بارش در زمانهای (t−2,t−1,t) به عنوان ورودی مدلهای ANN و ANFIS در نظر گرفته شد و سطح آب زیرزمینی در مقیاسهای 1 ، 3 و 6 ماهه پیشبینی و نتایج با استفاده از دو پارامتر مجذور ضریب همبستگی R2 و جذر میانگین مربعات خطا (RMSE) مورد ارزیابی قرار گرفتند. به منظور پیشبینی نوسانات سطح آب زیرزمینی، از دادههای 6 پیزومتر استفاده شد. نتایج نشان داد که مقدار متوسط RMSE در تمام پیزومترها در مدلهای ANN و WNN به ترتیب 04 / 3 - 57 / 0 و 76 / 2 - 19 / 0 است. همچنین مقدار متوسط 2R در تمام پیزومترها در مدلهای ANN و WNN به ترتیب 97 / 0 - 65 / 0 98 / 0 - 8 / 0 است. به عبارت دیگر مدل WNN نتایج پیشبینی را به میزان چشمگیری بهبود داده است.
پژوهشگران	مسعود شاکرمی (نفر اول)، صفر معروفی (نفر دوم)، بهمن فتحی (نفر سوم)، سید یعقوب کریمی (نفر چهارم)